Reti neurali di regolarizzazione per la deconvoluzione di serie 
temporali ormonali


G. De Nicolao
Dipartimento di Informatica e Sistemistica
Università di Pavia

Il seminario considera il problema della ricostruzione della 
secrezione ghiandolare a partire da misure rumorose di concentrazione 
ormonale nel sangue. Si tratta di di un problema di deconvoluzione 
che può essere affrontato mediante tecniche di regolarizzazione. 
Sfruttando l'interpretazione della regolarizzazione in termini di 
stima di Bayes, si dimostra agevolmente che la soluzione ha la 
struttura di una rete neurale di regolarizzazione. Tale tipo di rete 
ha un numero di parametri (pesi) uguale al numero n di dati 
sperimentali e la stima dei parametri (addestramento) richiederebbe 
un numero di operazioni che cresce con il cubo di n. Per il problema 
in esame, si può però fare ricorso a descrizioni nello spazio di 
stato utilizzando le quali e' stato messo a punto un algoritmo, 
basato sul filtraggio alla Kalman, la cui complessita' e' lineare nel 
numero dei dati. I risultati vengono illustrati mediante l'analisi di 
dati provenienti da uno studio sulla terapia di pazienti affette da 
iperprolattinemia.